【基于图像复原的视频除雾分析概述1100字】

基于图像复原的视频除雾分析概述交通雾霾视频能见度处理算法是基于大气光散射模型这一理论为依据的，能够用于改善雾霾天气下的监控视频画面。在2009年的CVPR会议上，何团队拍摄了大量没有被雾霾所污染的图像并进行理论分析，发现了无雾霾图像中存在着暗原色的原色定律，即无论是亮还是暗，局部图像中总会有亮度低的像素。根据这一自然定律，何团队提出了一种基于暗通道先验的图像除雾算法，也称为He方法。这一方法把真实天气下产生雾霾不均匀性的分布特性考虑于其中，有着可以较好的做到除雾既不多去，也不少去的，除雾效果恰到好处的优势，所以暗通道除雾算法可以算是图像除雾的代表性成果之一。本章将对暗通道除雾这一方案的实现原理、实现方法及实现后的效果进行详细阐述，并在此基础上对该算法进行改善，使其除雾效率和效果方面均有所提升，更加适合交通监控视频的实际应用。1.1暗通道除雾算法原理[11]QinZhang.HuimeiXiao,FeiXue,WeiLu.HongmeiLiu,FangjunHuang.Digitalimageforensicsofnon-uniformdeblurring[J].SignalProcessing:ImageCommunication,2019,76:167-177.11][12]彭峰.基于暗通道先验与Retinex的图像除雾算法研究[D].湖南师范大学,2019.12][11]QinZhang.HuimeiXiao,FeiXue,WeiLu.HongmeiLiu,FangjunHuang.Digitalimageforensicsofnon-uniformdeblurring[J].SignalProcessing:ImageCommunication,2019,76:167-177.[12]彭峰.基于暗通道先验与Retinex的图像除雾算法研究[D].湖南师范大学,2019.[13]张文娟.融合Retinex与暗通道的图像除雾增强算法研究［D］.西安：西安石油大学，2019.在2009年的CVPR会议上，何团队通过统计室外图像的雾度，提出了暗通道先验规则。该法则可描述为：在某个局部区域中，某些像素始终至少具有一个非常低的颜色通道。换句话说，该区域中的光强度很小。对于图像Jx Jdarkx=mincϵr,g,b其中Jc是J的颜色通道，Ωx是像素x的局部补丁。Jdark取方程（3-9）中每个颜色通道的局部区域中的最小操作，并将方程（5-1）的两侧除以A，我们得到：mincϵ根据暗通道优先，暗通道值应趋于零为雾霾无雾图像，这意味着：mincϵ从方程（5-2）和（5-3）中，我们可以得到如下的初始传输率： tx=1−其中Ic对于初始透过率图，He等人提出了一种利用软铺垫进行优化的方法，但计算时间较长。在式（5-4）中，图像除雾彻底会使图像失真，从而丢失图像的深度信息。为此，引入了一个常数ω（0<ω≤1）来控制除雾图像的剩余雾量。最终透射率图表示为：tx=1−ω在获得txJx=Ix其中t0用于避免过度除雾。t基于暗通道先验的算法步骤如下：（1）通过黑暗通道中最亮的0.1%像素来估计空气光A。（2）计算初始传输速率图。（3）优化传输速率图。（4）根据等式（5-6）恢复雾图像。图1显示了两个图像示例，图1（a）是两个原始图像，图1（b）是它们对应的暗通道图像，图1（c）是它们对应的传输速率图，对